要約
動機：抗体は脊椎動物の免疫系において重要な役割を果たしており、研究および診断分野における強力なツールとしても広く用いられている。抗体のハイパーバリアブル領域（抗原結合に関与する部位）は、アミノ酸配列から容易に同定可能であるが、抗原と直接接触する具体的なアミノ酸を正確に特定することは依然として困難である。結果：本研究では、パラトープ（抗原結合部位）予測を目的とした、シーケンスに基づく確率的機械学習アルゴリズム「Parapred」を提案する。Parapredは深層学習アーキテクチャを採用し、局所的なアミノ酸周辺環境および全配列にわたる特徴を統合的に活用する。本手法は既存の最先端手法を顕著に上回る性能を発揮し、抗原に関する情報なしに、ハイパーバリアブル領域に対応するアミノ酸配列の断片のみを入力として用いることで、高精度な予測が可能である。さらに、本研究では、得られた予測結果を用いることで、剛体ドッキングアルゴリズムの処理速度と精度の両方を向上させられることを示した。利用可能性と実装方法：Parapredは、http://www-mvsoftware.ch.cam.ac.uk/ にてウェブサーバーとして無料公開されており、また https://github.com/eliberis/parapred からダウンロードも可能である。連絡先：[email protected] または [email protected]。補足情報：補足資料はBioinformaticsオンライン版にて公開されている。